基于模型优化VPMCD的滚动轴承故障诊断方法

摘要

滚动轴承在机械设备中主要起着承受和传递载荷的作用，是机械设备中最易损伤的元件之一。一旦滚动轴承出现故障很可能导致整个机械设备不能够正常运行，严重时甚至引起整条生产链的瘫痪，将造成不可估量的损失，甚至严重的人员伤亡安全事故。因此，对其运行状况进行实时的监测和诊断有着非同一般的价值和意义。
　　本质上讲，滚动轴承的故障诊断是一个模式识别过程。基于所提取特征参数之间存在的相互内在关系Raghuraj等人提出了基于多变量预测模型的模式识别方法（Variable predictive mode based class discriminate，简称VPMCD）。该方法采用数学回归模型对所提取特征参数间的内在关系进行定量描述，通过样本训练选取适当的数学模型与阶次建立最佳预测模型，在样本测试阶段用所建立的最佳预测模型对样本进行预测并以预测误差平方和最小为判据，进行分类识别。本文针对VPMCD方法所建立模型在特征值间关系复杂时预测拟合精度不足的缺陷，提出了基于优化模型、替代模型、优化替代模型的几种改进方法，改进后的VPMCD方法经实验验证能够有效地应用于滚动轴承的故障诊断。
　　论文的主要研究内容如下:
　　1、将VPMCD方法和广泛应用的人工神经网络、支持向量机进行了对比分析，通过UCI标准数据对这三种模式识别方法进行了实验对比，结果分析表明了VPMCD方法的有效性。
　　2、针对VPMCD方法所建立的最佳模型只选择了一种数学回归模型，模型比较单一，不能够完全描述所提取特征参数间的关系而缺乏预测精度的缺陷，采用量子遗传算法（Quantum genetic algorithm，简称QGA）加权全部四种回归模型，优化其权值，建立一个加权综合模型，能够更好的对样本进行预测。
　　3、针对VPMCD中所提供的四种数学回归模型在面对所提取特征值间关系复杂程度高时拟合预测能力欠缺的问题提出了两种预测能力强的替代模型，即R-VPM模型和Kriging模型，并分别提出了基于这两种替代模型的改进方法。
　　4、将人工鱼群智能算法应用于对Kriging几种相关模型的加权优化提出了AKVPMCD方法。提出了一种新的降噪方法——ASTFA相关准则降噪法，并将其结合AKVPMCD应用于背景噪声较强的滚动轴承故障诊断。首先将滚动轴承振动信号采用ASTFA降噪方法有效地滤除背景噪声，提取特征值，然后应用经鱼群算法优化几种Kriging相关模型权值的AKVPMCD进行分类诊断识别。实例分析表明ASTFA降噪结合AKVPMCD能够有效的应用于滚动轴承的故障诊断。针对通过提高特征维数和增加特征数目获得大量故障信息的同时通常会伴随着信息冗余和“维数灾难”的问题提出了自编码网络（Autoencoder Network，简称AN）流行学习维数约简方法，经维数约简后将AKVPMCD方法应用于滚动轴承的故障诊断取得了显著的效果。

目录

声明

摘要

插图索引

附表索引

第1章 绪论

1．1 课题研究的背景与意义

1．2 滚动轴承故障诊断技术的研究现状与趋势

1．2．1 信号处理方法在滚动轴承故障诊断中的应用现状与趋势

1．2．2 模式识别方法在滚动轴承故障诊断中的应用现状与趋势

1．3 课题来源与论文章节安排

1．3．1 课题来源

1．3．2 论文的章节安排

第2章 滚动轴承故障机理及诊断方法

2．1 滚动轴承失效形式

2．2 滚动轴承振动机理及振动特征

2．2．1 滚动轴承振动机理

2．2．2 滚动轴承振动特征

2．3 滚动轴承故障诊断方法

2．3．1 基于信号处理的滚动轴承故障诊断方法

2．3．2 基于模式识别的滚动轴承故障诊断方法

2．4 本章小结

第3章 基于变量预测模型模式识别方法

3．1 VPMCD方法理论

3．2 模式识别方法对比分析

3．3 应用对比分析

3．4 本章小结

第4章 基于QGA智能算法优化模型的VPMCD在滚动轴承故障诊断中的应用

4．1 QGA智能算法

4．1．1 量子比特编码

4．1．2 量子门更新

4．1．3 算例分析

4．2 基于QGA-VPMCD智能诊断模型

4．2．1 QGA-VPMCD模型

4．2．2 QGA对SVPM模型权值矩阵的优化

4．3 基于QGA-VPMCD的滚动轴承诊断方法

4．3．1 基于QGA-VPMCD的滚轴轴承故障诊断步骤

4．3．2 实例分析

4．4 本章小结

第5章 基于替代模型的VPMCD算法及其在滚动轴承故障诊断中的应用

5．1 基于R-VPMCD滚动轴承诊断方法

5．1．1 R-VPM模型

5．1．2 对比分析

5．1．3 基于R-VPMCD滚动轴承故障诊断步骤

5．2 基于K-VPMCD滚动轴承故障诊断方法

5．2．1 Kriging模型

5．2．2 对比分析

5．2．3 基于K-VPMCD滚动轴承故障诊断步骤

5．3 实例分析

5．4 本章小结

第6章 基于AKVPMCD的滚动轴承故障诊断方法

6．1 AKVPMCD方法

6．1．1 子KVPM的建立

6．1．2 AFSA对子KVPM权值矩阵的优化

6．2 基于AKVPMCD和ASTFA降噪的滚动轴承故障诊断方法

6．2．1 ASTFA降噪

6．2．2 仿真分析

6．2．3 基于AKVPMCD和ASTFA降噪的滚动轴承故障诊断步骤

6．2．4 实例分析

6．3 基于AKVPMCD和AN降维的滚动轴承故障诊断方法

6．3．1 AN非线性降维方法

6．3．2 基于AKVPMCD和AN降维的滚动轴承故障诊断步骤

6．3．3 实例分析

6．4 本章小结

结论与展望

参考文献

致谢

附录A 攻读学位期间发表和录用的论文目录

附录B 攻读学位期间参与的科研项目